مروري بر تخصيص منابع و چارچوب‌هاي بهينه‌سازي در شبكه‌هاي راديويي اقتضايي

امروزه با رشد و گسترش تقاضا براي خدمات مبتني شبكه، استفاده از شبكه‌هاي راديويي، به‌ويژه آن‌هايي كه به زيرساخت‌هاي از پيش تعيين‌شده‌اي نياز ندارند، مانند شبكه‌هاي راديويي اقتضايي، متقاضيان زيادي پيداكرده است. چنين شبكه‌هايي با حداقل پيكربندي و استقرار سريع، براي موارد اضطراري مانند بلايا، بحران‌ها و كاربردهاي نظامي مناسب مي‌باشد. شبكه‌هاي راديويي اقتضايي به‌عنوان يكي از پركاربردترين شبكه‌ها به‌ويژه در موارد اضطراري شناخته‌ مي‌شوند. در اين مقاله تخصيص بهينه منابع راديويي در شبكه‌هاي راديويي اقتضايي كه داراي هم‌بندي پويا هستند از ديدگاه‌هاي چارچوب‌هاي بهينه‌سازي، طراحي بين لايه‌اي و مسيريابي موردبررسي قرارگرفته مي‌شود. چندين پژوهش‌ كه در زمينه طراحي بين لايه‌اي، باهدف بهينه‌سازي در مصرف انرژي و عملكرد شبكه انجام پذيرفته‌شده نيز موردبررسي قرار مي‌گيرد. ‌گام‌هاي كليدي بهينه‌سازي يك مدل سيستم موردمطالعه قرار مي‌گيرد. قالب مسئله‌هاي بهينه‌سازي يك هدفه و چندهدفه در شبكه‌هاي راديويي اقتضايي با بررسي دستاوردهاي كارهاي جديد در هركدام از اين روش‌ها صورت گرفته موردمطالعه قرار مي‌گيرد. الگوريتم‌ها و متريك‌هاي رايج در بهينه‌سازي با كارهاي انجام‌شده در شبكه‌هاي راديويي اقتضايي موردبررسي قرار مي‌گيرد. بامطالعه كارهاي انجام‌شده كه از روش يادگيري تقويتي عميق استفاده كرده‌اند نشان مي‌دهيم كه با اخذ بازخورد تصميم از سيستم، در كنترل و مديريت هزينه‌ها مي‌توانيم تأثير به سزايي داشته باشيم. تكنيك يادگيري تقويتي عميق به‌عنوان راهكار كارآمد، براي تخصيص منابع در محيط پيچيده شبكه‌هاي نسل بعد كانديد مي‌باشد و با يك حلقه بازخورد بين تصميم و عملكرد سيستم موجب اصلاح و بهينه شدن تصميم‌ها مي‌گردد.